PRoRS
latest
课程介绍
第01讲 概述
第一部分:特征空间像元分类
第02讲 像元分类-决策规则
2.1 算法原理
2.1.1 贝叶斯决策论
2.1.1.1 问题描述
2.1.1.2 最小错误率决策
2.1.1.3 贝叶斯决策
2.1.2 贝叶斯分类器
2.1.2.1 判决函数与决策面
2.1.2.2 高斯密度函数
2.1.2.3 高斯密度函数下的判别函数
2.1.2.4 离散变量的贝叶斯决策
2.1.2.5 朴素贝叶斯分类器
2.2 分类函数
2.3 示例代码
2.4 探究式问题
2.5 课后习题
第03讲 神经网络-逼近能力
第04讲 学习算法-梯度下降
第05讲 模型评估-泛化能力
第06讲 非监督学习-降维与聚类
第二部分:图像平面对象识别
第07讲 图像分类-CNN
第08讲 对象检测-RCNN
第09讲 语义分割-FCN
第10讲 实例分割-RNN
第11讲 图像合成-GAN
第三部分:地球表面遥感制图
第12讲 地表覆盖制图
第13讲 土地覆盖分类
第14讲 专题制图
第15讲 变化遥感监测
学生报告
2017年春季课程报告
2018年春季课程报告
PRoRS
Docs
»
第02讲 像元分类-决策规则
»
2.1 算法原理
Edit on GitHub
2.1 算法原理
¶
2.1.1 贝叶斯决策论
¶
2.1.1.1 问题描述
¶
2.1.1.2 最小错误率决策
¶
2.1.1.3 贝叶斯决策
¶
2.1.2 贝叶斯分类器
¶
2.1.2.1 判决函数与决策面
¶
2.1.2.2 高斯密度函数
¶
2.1.2.3 高斯密度函数下的判别函数
¶
2.1.2.4 离散变量的贝叶斯决策
¶
2.1.2.5 朴素贝叶斯分类器
¶
In [ ]:
In [ ]: